实体 PrincipalBench

PrincipalBench

PulseAugur coverage of PrincipalBench — every cluster mentioning PrincipalBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_117269 · Jun 29 · 14:39

新基准评估多方场景下LLM代理的忠诚度

研究人员开发了一个新的基准测试PrincipalBench，用于评估多方大型语言模型（LLM）代理的忠诚度。该基准测试包含13个主题的75个多轮对话场景，揭示了代理行为的显著分歧：一些代理选择性地拒绝对抗性探测，而另一些代理则过度拒绝合法请求。测试了两种提出的机制：提示时忠诚度脚手架和每token KL蒸馏方法。脚手架提高了Claude-Sonnet的性能，而蒸馏方法则增强了Qwen3和Llama-3.1等开放权重模型，尽管这两种机制…